Prediction of syngas and exergy data from gasification of lignite coal and biomass blends with machine learning algorithms
Linyit kömürü ve biyokütle karışımlarının gazlaştırılmasından elde edilen sentez gaz ve ekserji verilerinin makine öğrenmesi algoritmaları ile tahmini
- Tez No: 926361
- Danışmanlar: PROF. DR. HASAN SADIKOĞLU, ÖĞR. GÖR. ÖZGÜN YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Kimya Mühendisliği, Energy, Chemical Engineering
- Anahtar Kelimeler: Biyokütle gazlaştırma, hidrojen, ekserji, simülasyon, makine öğrenmesi, Biomass gasification, hydrogen, exergy, simulation, machine learning
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kimya Mühendisliği Bilim Dalı
- Sayfa Sayısı: 126
Özet
Dünya, iklim değişikliği, hava kirliliği ve habitat bozulması gibi ekolojik dengeyi tehdit eden ciddi çevresel sorunlarla karşı karşıyadır. Bu etkileri azaltmak için sera gazı emisyonlarına neden olan süreçlerin ortadan kaldırılması gerekmektedir. Bu bağlamda, biyokütle gazlaştırma yoluyla sentez gazı (syngas) üretimi, temiz hidrojenin sürdürülebilir bir enerji taşıyıcısı olarak elde edilmesinde önemli bir rol oynamaktadır. Biyokütle gazlaştırma, karbon bazlı malzemeleri CH₄, H₂, CO₂, H₂O, CO, katran ve ağır hidrokarbonlara dönüştüren termo-kimyasal bir süreç olup, yüksek karbon dönüşüm verimi sağlarken sera gazı emisyonlarını da azaltmaktadır. Bu çalışmada, dokuz farklı biyokütle numunesinin linyit kömürü ile karıştırılarak gazlaştırılması, sabit yataklı (fixed-bed) ve akışkan yataklı (fluidized-bed) gazlaştırıcılar olmak üzere iki model kullanılarak incelenmiştir. ASPEN Plus® yazılımında gerçekleştirilen simülasyonlar kapsamında biyokütle-linyit oranı, denklik oranı (ER), buhar-biyokütle oranı (SBR) ve sıcaklık gibi işlem parametreleri değerlendirilerek sentez gazı bileşimi ve sistem verimliliği üzerindeki etkileri analiz edilmiştir. Ayrıca, sentez gazının kimyasal ekserji değerleri ve ürün gazı bileşimleri, dört farklı makine öğrenmesi algoritması—Destek Vektör Makinesi (SVM), Rastgele Orman (RF), Gauss Süreç Regresyonu (GPR) ve Karar Ağacı (DT)—kullanılarak tahmin edilmiştir. MATLAB ortamında uygulanan bu modeller, süreç parametreleri ile gazlaştırma performansı arasındaki karmaşık ilişkileri analiz ederek veri odaklı bir optimizasyon yaklaşımı sunmayı amaçlamaktadır. Bu çalışma, süreç simülasyonları ile makine öğrenmesi tekniklerini entegre ederek sentez gazı verimi ve kalitesini artırmayı, çevresel etkileri en aza indirmeyi hedeflemektedir. Elde edilen bulgular, biyokütle gazlaştırma teknolojisinin geliştirilmesine katkı sağlayarak temiz hidrojen üretimine yönelik sürdürülebilir çözümleri destekleyecektir.
Özet (Çeviri)
The Earth is currently facing severe environmental challenges, including climate change, air pollution, and habitat degradation, all of which disrupt ecological balance. To mitigate these impacts, processes contributing to greenhouse gas emissions must be eliminated. In this context, syngas production through biomass gasification plays a crucial role in achieving clean hydrogen as a sustainable energy carrier. Biomass gasification is a thermochemical process that converts carbon based materials into CH₄, H₂, CO₂, H₂O, CO, tar, and heavy hydrocarbons, enabling high carbon conversion efficiency with lower greenhouse gas emissions. This study investigates the gasification of nine different biomass samples blended with lignite using two models: fluidized-bed gasifiers and fixed-bed gasifiers. Simulations are conducted in ASPEN Plus® under various conditions, including biomass-to-lignite ratio, steam-to-biomass ratio (SBR), equivalence ratio (ER), and temperature, to assess their effects on syngas composition and system efficiency. Additionally, the chemical exergy values of syngas and product gas compositions are predicted using four machine learning algorithms— Gaussian Process Regression (GPR), Random Forest (RF), Support Vector Machine (SVM), and Decision Tree (DT). These models, implemented in MATLAB, aim to analyze the complex relationships between process parameters and gasification performance, providing a data-driven approach for optimization. By integrating process simulations with machine learning techniques, this study seeks to enhance syngas yield and quality while minimizing environmental impacts. The findings will contribute to the advancement of biomass gasification technology, supporting the transition to cleaner hydrogen production.
Benzer Tezler
- Kömür ve biyokütle karışımlarının gazlaştırılması ve aspen HYSYS programı ile simulasyonu
Coal and biomass gasification and simulation of gasification systems using aspen HYSYS program
TANJU NAYIR
Yüksek Lisans
Türkçe
2012
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN BÖKE
- Türkiye linyit kömürleri için yer altında kömür gazlaştırmasının deneysel ve sayısal olarak incelenmesi
Experimental and numerical investigation of underground coal gasification for Turkish lignite
OĞUZ BÜYÜKŞİRİN
Doktora
Türkçe
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT GÜR
- Dolaşımlı akışkan yatağın hidrodinamik ve ısıl matematik modellemesi
Hydrodynamic and thermal numerical modeling of coal gasification in circulating fluidized bed
CEM DOLU
Doktora
Türkçe
2017
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFULLAH KUDDUSİ
- Gasification and mathematical modelling of solid fuels in a downdraft gasifier
Katı yakıtların aşağı akışlı gazlaştırıcıda gazlaştırılması ve matematiksel modellenmesi
EBUBEKİR SIDDIK AYDIN
Doktora
İngilizce
2019
Kimya MühendisliğiGebze Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN SADIKOĞLU
- Kabarcıklı akışkan yatakta biyokütle gazlaştırma işleminin incelenmesi
Investigation of biomass gasification process in a bubbling fluidized bed
MAHMUT CANER ACAR
Doktora
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP ERHAN BÖKE